Fine‐scale environmental heterogeneity shapes fluvial fish communities as revealed by eDNA metabarcoding
Notice bibliographique
Résumé
Abstract Conservation of freshwater biodiversity requires being able to track the presence and abundance of entire fish communities. However, studying fish community composition within rivers remains a technical challenge because of high spatial and temporal physico‐chemical variability, anthropic activities and connections with other river catchments, which may all contribute to important variations in local ecology and communities. Here, we used environmental DNA metabarcoding to document spatial variation in fish communities at a small geographic scale in a large river system. The study was conducted in the Contrecoeur sector (5.5 km long and approximately 1–1.5 km wide) of the St. Lawrence River (Québec, Canada), where two water masses with different physico‐chemical properties, known as "brown waters" and "green waters," flow in parallel with limited admixing. Water samples were collected during two consecutive days at 53 stations located in both water masses. Using universal PCR MiFish 12S primers, Illumina MiSeq sequencing, and the Barque ( www.github.com/enormandeau/barque ) eDNA analysis software developed by our group, a total of 67 fish species were detected. PERMANOVA and redundancy analyses (RDA) performed on relative read abundance revealed that each water mass comprised distinct communities that depended on turbidity, depth, and to a lesser extent on the upstream versus downstream position along the study area. eDNA metabarcoding results were compared with those of traditional surveys conducted previously in the sector and up to 40 km upstream of it. As previously reported, higher species diversity was detected by eDNA and with substantially lower sampling effort. Our results represent one of the few studies documenting the potential of eDNA metabarcoding to investigate small‐scale variation in 2D spatial patterns of distribution of whole fish communities associated with habitat characteristics within a lotic system.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».